Course catalog

Course duration

Course provider

Topic

Categories

Showing 481-500 of 600 items.

coursera مدیریت، توصیف و تجزیه و تحلیل داده ها (Mitalearn-327451)

  • 5 hours 33 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Wendy Martin
درباره این دوره:

در این دوره آموزشی، اصول اولیه درک داده هایی که در اختیار دارید و اینکه چرا طبقه بندی صحیح داده ها اولین قدم برای تصمیم گیری صحیح است را خواهید آموخت. با استفاده از آمار توصیفی و نرم افزار R داده ها را به صورت گرافیکی و عددی توصیف خواهید کرد. چهار توزیع احتمال که معمولاً در تجزیه و تحلیل داده ها استفاده می شود را یاد خواهید گرفت. شما مجموعه داده ها را با استفاده از توزیع احتمال مناسب تجزیه و تحلیل خواهید کرد. در نهایت، شما اصول اولیه خطای نمونه گیری، توزیع نمونه گیری و خطا در تصمیم گیری را خواهید آموخت. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) که در پلت فرم Coursera ارائه می شود، گذراند. MS-DS یک مدرک بین رشته‌ای است که اعضای هیئت علمی بخش‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایرین در CU Boulder را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، MS-DS برای افرادی با طیف وسیعی از تحصیلات کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. درباره برنامه MS-DS در https://www.coursera.org/degrees/master-of-science-data-science-boulder اطلاعات بیشتری کسب کنید.

coursera مسائل اخلاقی در علم داده (Mitalearn-327434)

  • 6 hours 46 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Bobby Schnabel
درباره این دوره:

برنامه های کاربردی محاسباتی شامل مقادیر زیادی داده - حوزه علم داده - بر زندگی اکثر مردم در ایالات متحده و جهان تأثیر می گذارد. این تأثیرات شامل توصیه‌هایی است که سیستم‌های مبتنی بر اینترنت به ما ارائه می‌کنند، اطلاعاتی که در مورد ما به صورت آنلاین در دسترس است، تکنیک‌هایی که برای امنیت و نظارت استفاده می‌شوند، داده‌هایی که در مراقبت‌های بهداشتی استفاده می‌شوند و بسیاری موارد دیگر. در بسیاری از موارد، آنها تحت تأثیر تکنیک های هوش مصنوعی و یادگیری ماشینی قرار می گیرند. این دوره به بررسی برخی از مسائل اخلاقی مرتبط با علم داده می پردازد، با هدف اساسی آگاه کردن متخصصان علوم داده و حساس کردن آنها به ملاحظات اخلاقی که ممکن است در حرفه آنها ایجاد شود. این کار را از طریق ترکیبی از بحث در مورد چارچوب‌های اخلاقی، بررسی انواع کاربردهای علم داده که منجر به ملاحظات اخلاقی می‌شود، مطالعه رسانه‌ها و مقالات علمی فعلی، و استفاده از دیدگاه‌ها و تجربیات دانشجویان دیگر و متخصصان محاسبات انجام می‌دهد. مسائل اخلاقی در علم داده را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) که در پلت فرم Coursera ارائه می شود، در نظر گرفت. MS-DS یک مدرک بین رشته‌ای است که اعضای هیئت علمی بخش‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایرین در CU Boulder را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، MS-DS برای افرادی با طیف وسیعی از تحصیلات کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. درباره برنامه MS-DS در https://www.coursera.org/degrees/master-of-science-data-science-boulder اطلاعات بیشتری کسب کنید.

coursera مسیر بینش: مدل‌های داده و خطوط لوله (Mitalearn-336478)

  • 2 hours 11 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Google Career Certificates
درباره این دوره:

این دومین دوره از سه دوره در گواهی هوش تجاری گوگل است. در این دوره، مدل سازی داده ها و نحوه طراحی پایگاه های داده را بررسی خواهید کرد. سپس در مورد فرآیندهای استخراج، تبدیل، بارگذاری (ETL) که داده‌ها را از سیستم‌های منبع استخراج می‌کنند، آن‌ها را به قالب‌هایی تبدیل می‌کنند که امکان تجزیه و تحلیل را فراهم می‌کنند و فرآیندها و اهداف تجاری را هدایت می‌کنند، آشنا می‌شوید. کارمندان Google که در حال حاضر در BI کار می‌کنند، با ارائه فعالیت‌های عملی که وظایف شغلی را شبیه‌سازی می‌کنند، به اشتراک‌گذاری نمونه‌هایی از کارهای روزانه‌شان، و کمک به شما در ایجاد مهارت‌های هوش تجاری برای آماده شدن برای شغلی در این زمینه، شما را در این دوره راهنمایی می‌کنند. . فراگیرانی که سه دوره را در این برنامه گواهینامه تکمیل می کنند، مهارت های لازم برای درخواست مشاغل هوش تجاری را خواهند داشت. این برنامه گواهی، دانش قبلی از اصول، مهارت‌ها و ابزارهای پایه تحلیلی تحت پوشش گواهی Google Data Analytics را فرض می‌کند. در پایان این دوره، شما: -تعیین کنید کدام مدل داده برای نیازهای مختلف کسب و کار مناسب است -تفاوت بین ایجاد و تعامل با یک مدل داده را توضیح دهید -ایجاد مدل های داده برای پاسخگویی به انواع مختلف سوالات -بخش های فرآیند استخراج، تبدیل، بارگذاری (ETL) و ابزارهای مورد استفاده در ETL را توضیح دهید. -آشنایی با فرآیندها و ابزارهای استخراج برای سیستم های مختلف ذخیره سازی داده ها -طراحی فرآیند ETL که نیازهای سازمانی و ذینفعان را برآورده کند -طراحی خطوط لوله داده برای خودکارسازی فرآیندهای BI

coursera مشکلات کسب و کار را با هوش مصنوعی و یادگیری ماشین حل کنید (Mitalearn-333418)

  • 2 hours 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Renée Cummings
درباره این دوره:

هوش مصنوعی (AI) و یادگیری ماشین (ML) به بخشی ضروری از مجموعه ابزار برای بسیاری از سازمان‌ها تبدیل شده‌اند. هنگامی که این ابزارها به طور مؤثر مورد استفاده قرار می گیرند، بینش عملی ارائه می دهند که تصمیمات حیاتی را هدایت می کند و سازمان ها را قادر می سازد محصولات و خدمات هیجان انگیز، جدید و نوآورانه ایجاد کنند. این اولین دوره از چهار دوره در گواهینامه حرفه ای متخصص هوش مصنوعی (CAIP) است. این دوره به عنوان نقطه ورود به دنیای AI/ML در نظر گرفته شده است. در مورد مشکلات تجاری که AI/ML می تواند حل کند و همچنین فناوری های AI/ML خاصی که می تواند آنها را حل کند، آشنا خواهید شد. علاوه بر این، یک نمای کلی از گردش کار کلی مربوط به یادگیری ماشین، و همچنین ابزارها و سایر منابعی که از آن پشتیبانی می‌کنند، دریافت خواهید کرد. این دوره همچنین اهمیت اخلاق در AI/ML را ترویج می کند و تکنیک هایی را برای رسیدگی به چالش های اخلاقی در اختیار شما قرار می دهد. در نهایت، این دوره شما را در مورد "چرا؟" فکر می کند. از AI/ML، و تضمین می کند که کارهای فنی بیشتر شما در دوره های بعدی با اهداف تجاری واضح در ذهن انجام می شود.

coursera مصاحبه، مذاکره در مورد پیشنهاد شغلی، و برنامه ریزی شغلی (Mitalearn-329508)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Camille Funk
درباره این دوره:

خود را برای مصاحبه و استخدام در زمینه DS/AI آماده کنید. در این دوره به مواردی که قبل، حین و بعد از مصاحبه باید انجام شود، خواهیم پرداخت. ما همچنین نکات و ترفندهایی را در مورد نحوه تمرین برای بخش اصلی مصاحبه های علم داده ارائه خواهیم کرد: مصاحبه فنی. در نهایت، این دوره بهترین شیوه ها برای پذیرش یا رد پیشنهاد شغلی، مذاکرات حقوق و دستمزد و نحوه ایجاد یک برنامه توسعه شغلی را پوشش می دهد. در پایان این دوره، دانشجویان قادر خواهند بود: • به یاد بیاورید که چه اقداماتی باید قبل، در حین و بعد از مصاحبه انجام شود. • در مورد طرح آماده سازی مصاحبه فنی بحث کنید. • بهترین شیوه های پذیرش یا رد پیشنهاد شغلی را شناسایی کنید. • یک برنامه توسعه شغلی ایجاد کنید.

coursera مطالعات موردی در تجزیه و تحلیل کسب و کار با ACCENTURE (Mitalearn-335781)

  • 2 hours 7 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Nicolas Glady
درباره این دوره:

این دوره برای چه کسانی است؟ این دوره محدود به دانش‌آموزانی است که در تخصص تجزیه و تحلیل کسب‌وکار استراتژیک ثبت‌نام کرده‌اند، به‌عنوان آماده‌سازی برای پروژه اصلی. در طول دو MOOC اول، ما بر روی تکنیک های خاص برای برنامه های خاص تمرکز کردیم. در عوض، با این MOOC سوم، نمونه‌های مختلفی را در اختیار شما قرار می‌دهیم تا ذهن شما را به روی برنامه‌های کاربردی مختلف از صنایع و بخش‌های مختلف باز کند. هدف این است که به شما یک دید کلی از هلیکوپتر در مورد آنچه در این زمینه اتفاق می افتد ارائه دهیم. خواهید دید که چگونه از ابزارهای ارائه شده در دو دوره قبلی Specialization در پروژه های واقعی استفاده می شود. ما می خواهیم روند بازتاب شما را روشن کنیم. از این رو، ابتدا با تماشای MOOC و سپس بررسی مفاهیم مختلف، صنایع یا چالش‌هایی که در طول ویدیوها معرفی می‌شوند، از موارد Accenture بهترین استفاده را خواهید کرد. در پایان این دوره فراگیران قادر خواهند بود: - شناسایی کاربردهای احتمالی تجزیه و تحلیل تجاری، - از این رو، در مورد راه حل های ممکن و برنامه های کاربردی ارزش افزوده ای که می تواند برای پروژه اصلی آنها پیشنهاد شود، فکر کنید. موارد توسط پزشکان ارشد از Accenture با سوابق مختلف از نظر صنعت، عملکرد و کشور ارائه خواهد شد. توجه ویژه ای به "مورد ارزش" موضوع مطرح شده برای آماده سازی شما برای پروژه ی اصلی تخصص خواهد بود. درباره Accenture Accenture یک شرکت خدمات حرفه ای پیشرو در جهان است که طیف گسترده ای از خدمات و راه حل ها را در زمینه استراتژی، مشاوره، دیجیتال، فناوری و عملیات ارائه می دهد. Accenture با تلفیق تجربه بی بدیل و مهارت های تخصصی در بیش از 40 صنعت و همه عملکردهای تجاری - که تحت حمایت بزرگترین شبکه تحویل در جهان است - در تقاطع تجارت و فناوری کار می کند تا به مشتریان کمک کند عملکرد خود را بهبود بخشند و ارزش پایدار برای سهامداران خود ایجاد کنند. Accenture با بیش از 358000 نفر که در بیش از 120 کشور به مشتریان خدمات می دهند، نوآوری را برای بهبود شیوه کار و زندگی در جهان هدایت می کند. از ما در www.accenture.com دیدن کنید.

coursera معیارهای کسب و کار برای شرکت های داده محور (Mitalearn-334455)

  • 3 hours 57 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Daniel Egger,Jana Schaich Borg
درباره این دوره:

در این دوره آموزشی، بهترین شیوه ها را برای نحوه استفاده از تجزیه و تحلیل داده ها برای رقابتی تر و سودآورتر کردن هر شرکتی یاد خواهید گرفت. شما قادر خواهید بود مهم ترین معیارهای تجاری را بشناسید و آنها را از داده های صرف متمایز کنید. تصویر واضحی از نقش های حیاتی اما متفاوتی که تحلیلگران کسب و کار، تحلیلگران داده های کسب و کار و دانشمندان داده هر کدام در انواع مختلف شرکت ها ایفا می کنند، دریافت خواهید کرد. و شما دقیقا می دانید که برای چه مهارت هایی باید استخدام شوید و در این مشاغل پرتقاضا موفق شوید. در نهایت، می‌توانید از چک لیست ارائه شده در دوره برای امتیازدهی به هر شرکتی در مورد میزان تأثیرگذاری فرهنگ داده‌های بزرگ استفاده کنید. شرکت‌های دیجیتالی مانند آمازون، اوبر و Airbnb با استفاده خلاقانه از داده‌های بزرگ، کل صنایع را متحول می‌کنند. متوجه خواهید شد که چرا این شرکت‌ها اینقدر مخرب هستند و چگونه از تکنیک‌های تجزیه و تحلیل داده‌ها برای پیشی گرفتن از شرکت‌های سنتی استفاده می‌کنند.

coursera مقابله با داده های از دست رفته (Mitalearn-335067)

  • 3 hours 24 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Richard Valliant, Ph.D.
درباره این دوره:

این دوره شامل مراحل مورد استفاده در وزن دهی به نظرسنجی های نمونه، از جمله روش های تنظیم برای عدم پاسخگویی و استفاده از داده های خارج از نظرسنجی برای کالیبراسیون می شود. در میان تکنیک های مورد بحث، تنظیمات با استفاده از تمایلات پاسخ تخمین زده، پس طبقه بندی، رتبه بندی و برآورد رگرسیون عمومی است. تکنیک‌های جایگزین برای برانگیختن مقادیر برای آیتم‌های گمشده مورد بحث قرار خواهند گرفت. هم برای وزن دهی و هم برای محاسبه، قابلیت های بسته های نرم افزاری آماری مختلف شامل R®، Stata® و SAS® پوشش داده خواهد شد.

coursera مقدمه ای بر Microsoft Azure Synapse Analytics (Mitalearn-331089)

  • 1 hours 12 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

در این دوره، یاد خواهید گرفت که چگونه Azure Synapse Analytics شما را قادر می‌سازد تا انواع مختلفی از تجزیه و تحلیل‌ها را از طریق اجزای خود انجام دهید که می‌توان از آنها برای ساخت انبارهای داده مدرن تا راه‌حل‌های تحلیلی پیشرفته استفاده کرد. شما خواهید آموخت که چگونه Azure Synapse Analytics مسئله داشتن یک سرویس واحد را برای برآورده کردن طیف گسترده ای از الزامات تجزیه و تحلیلی که امروزه سازمان ها با آن مواجه هستند حل می کند و یک تور از برنامه اصلی مورد استفاده برای تعامل با اجزای مختلف Azure Synapse Analytics را مرور خواهید کرد. شما اجزای مختلف Azure Synapse Analytics را یاد خواهید گرفت که به شما امکان می دهد راه حل های تحلیلی خود را در یک مکان بسازید. این دوره بخشی از یک تخصص در نظر گرفته شده برای مهندسین داده و توسعه دهندگان است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده Microsoft Azure استفاده می کنند برای هر کسی که علاقه مند به آماده شدن برای آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) نشان دهد. ). این چهارمین دوره از یک برنامه 10 دوره ای است که به شما کمک می کند تا برای شرکت در آزمون آماده شوید تا بتوانید در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

coursera مقدمه ای بر Neurohacking در R (Mitalearn-332976)

  • 4 hours 36 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Elizabeth Sweeney ,Ciprian M. Crainiceanu,John Muschelli III
درباره این دوره:

Neurohacking نحوه استفاده از زبان برنامه نویسی R (https://cran.r-project.org/) و بسته مرتبط با آن را برای انجام دستکاری، پردازش و تجزیه و تحلیل داده های تصویربرداری عصبی توضیح می دهد. ما بر روی تصویربرداری تشدید مغناطیسی ساختاری (MRI) در دسترس عموم تمرکز می‌کنیم. ما مفاهیمی مانند تصحیح ناهمگنی، ثبت تصویر و تجسم تصویر را مورد بحث قرار می دهیم. در پایان این دوره، شما قادر خواهید بود: خواندن/نوشتن تصاویر مغز در قالب NIfTI (ابتکار فناوری اطلاعات انفورماتیک عصبی) این تصاویر را تجسم و کشف کنید تصحیح ناهمگنی، استخراج مغز و ثبت تصویر (در یک موضوع و یک الگو) را انجام دهید.

coursera مقدمه ای بر PyMC3 برای مدل سازی و استنتاج بیزی (Mitalearn-329661)

  • 2 hours 3 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr. Srijith Rajamohan
درباره این دوره:

هدف از این دوره معرفی PyMC3 برای مدل سازی و استنتاج بیزی است، شرکت کنندگان با یادگیری اصول اولیه PyMC3 شروع می کنند و یاد می گیرند که چگونه استنتاج مقیاس پذیر را برای مسائل مختلف انجام دهند. این دوره نهایی در یک تخصص از سه دوره خواهد بود. از نوت بوک های پایتون و ژوپیتر در طول این دوره برای نشان دادن و انجام مدل سازی بیزی با PyMC3 استفاده می شود. وب سایت دوره در آدرس https://sjster.github.io/introduction_to_computational_statistics قرار دارد. /docs/index.html. دفترچه های دوره را می توان با دنبال کردن دستورالعمل های صفحه https://sjster.github.io/introduction_to_computational_statistics/docs/getting_started.html از این وب سایت دانلود کرد. مدرس این دوره دکتر Srijith Rajamohan خواهد بود.

linkedin مقدمه ای بر Stata 15 (Mitalearn-151314)

  • 4 hours 26 minutes
  • مبتدی
  • Update date: 25 July 2026
  • Author: Franz Buscha
درباره این دوره:

یادگیری و به کارگیری تکنیک های آماری جدید اغلب می تواند یک تجربه دلهره آور باشد. نرم افزاری مانند Stata، یک بسته نرم افزاری آماری یکپارچه، می تواند کمک کند. Stata چابک و آسان برای استفاده، خودکارسازی و گسترش است و به شما کمک می کند تا برای مجموعه داده های بسیار بزرگ دستکاری، تجسم و مدل سازی داده ها را انجام دهید. در این دوره، فرانتس بوشا مقدمه ای جامع بر Stata و کاربردهای مختلف آن در تحلیل داده های مدرن ارائه می دهد. گزینه های مختلفی را که Stata در دستکاری، کاوش، تجسم و مدل سازی انواع پیچیده داده به شما می دهد، مرور کنید. کاربرد عملی - و تفسیر - تکنیک های آماری رایج مانند تجزیه و تحلیل توزیعی و رگرسیون بر روی داده های واقعی را کاوش کنید. هر درس نقاط قوت برنامه را نشان می دهد و به شما یک پایه محکم برای انجام تجزیه و تحلیل کمی خود می دهد.

توجه: این دوره با استفاده از نسخه 15 Stata ثبت شده است، اما همه پوشش ها دقیق و به روز هستند. برای نسخه های 15 و 16.

coursera مقدمه ای بر Tidyverse (Mitalearn-327315)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Carrie Wright, PhD,Shannon Ellis, PhD,Stephanie Hicks, PhD
درباره این دوره:

این دوره مجموعه قدرتمندی از ابزارهای علم داده را به نام Tidyverse معرفی می کند. Tidyverse روشی را متحول کرده است که دانشمندان داده تقریباً تمام جنبه های کار خود را انجام می دهند. ما ایده ساده "داده های مرتب" و نحوه سازماندهی داده ها برای تجزیه و تحلیل و مدل سازی را پوشش خواهیم داد. همچنین نحوه تبدیل غیر مرتب به داده‌های مرتب، چرخه حیات پروژه علم داده و اکوسیستم بسته‌های Tidyverse R را که می‌توان برای اجرای یک پروژه علم داده استفاده کرد، پوشش خواهیم داد. اگر در علم داده تازه کار هستید، اکوسیستم بسته‌های R Tidyverse راهی عالی برای یادگیری جنبه‌های مختلف خط لوله علم داده، از وارد کردن داده‌ها، مرتب کردن داده‌ها در قالبی که کار با آن آسان است، کاوش و تجسم است. داده ها و برازش مدل های یادگیری ماشینی اگر قبلاً در علم داده باتجربه هستید، Tidyverse یک سیستم قدرت برای ساده کردن گردش کار شما به شیوه ای منسجم ارائه می دهد که می تواند به راحتی با سایر ابزارهای علم داده ارتباط برقرار کند. در این دوره مهم است که با زبان برنامه نویسی R آشنا باشید. اگر هنوز با R آشنایی ندارید، پیشنهاد می کنیم ابتدا برنامه نویسی R را قبل از بازگشت برای تکمیل این دوره کامل کنید.

coursera مقدمه ای بر آمار (Mitalearn-326329)

  • 4 hours 21 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Guenther Walther
درباره این دوره:

"مقدمه ای بر آمار" استنفورد به شما مفاهیم تفکر آماری را می آموزد که برای یادگیری از داده ها و ارتباط بینش ضروری هستند. در پایان دوره، می‌توانید تجزیه و تحلیل داده‌های اکتشافی را انجام دهید، اصول کلیدی نمونه‌گیری را درک کنید، و آزمون‌های اهمیت مناسب را برای زمینه‌های مختلف انتخاب کنید. شما مهارت های اساسی را به دست خواهید آورد که شما را برای پیگیری موضوعات پیشرفته تر در تفکر آماری و یادگیری ماشین آماده می کند. موضوعات شامل آمار توصیفی، نمونه‌گیری و آزمایش‌های کنترل شده تصادفی، احتمال، توزیع‌های نمونه‌گیری و قضیه حد مرکزی، رگرسیون، آزمون‌های رایج اهمیت، نمونه‌گیری مجدد، مقایسه‌های چندگانه است.

coursera مقدمه ای بر آمار بیزی (Mitalearn-329525)

  • 3 hours 30 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr. Srijith Rajamohan
درباره این دوره:

هدف از این دوره، معرفی آمار محاسباتی به دانشمندان مشتاق یا جدید داده است. شرکت کنندگان با یادگیری مبانی احتمال، مدل سازی بیزی و استنتاج شروع خواهند کرد. این اولین دوره در یک تخصص شامل سه دوره خواهد بود. از نوت بوک پایتون و ژوپیتر در طول این دوره برای تصویرسازی و اجرای مدلسازی بیزی استفاده خواهد شد. وب سایت دوره در آدرس https://sjster.github.io/introduction_to_computational_statistics/docs/index.html قرار دارد. دفترچه های دوره را می توان با دنبال کردن دستورالعمل های صفحه https://sjster.github.io/introduction_to_computational_statistics/docs/getting_started.html از این وب سایت دانلود کرد. مدرسان این دوره دکتر سریجیت راجاموهان و دکتر رابرت ستلاژ خواهند بود.

coursera مقدمه ای بر احتمال و داده با R (Mitalearn-326754)

  • 3 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mine Çetinkaya-Rundel
درباره این دوره:

این دوره شما را با نمونه گیری و کاوش داده ها و همچنین نظریه احتمالات اولیه و قانون بیز آشنا می کند. شما انواع مختلفی از روش‌های نمونه‌گیری را بررسی خواهید کرد و در مورد اینکه چگونه چنین روش‌هایی می‌توانند بر دامنه استنتاج تأثیر بگذارند، بحث خواهید کرد. انواع تکنیک های تجزیه و تحلیل داده های اکتشافی شامل آمار خلاصه عددی و تجسم داده های پایه پوشش داده خواهد شد. شما از طریق نصب و استفاده از R و RStudio (نرم افزار آماری رایگان) راهنمایی خواهید شد و از این نرم افزار برای تمرینات آزمایشگاهی و پروژه نهایی استفاده خواهید کرد. مفاهیم و تکنیک های این دوره به عنوان بلوک های سازنده دروس استنتاج و مدل سازی در تخصص عمل می کند.

coursera مقدمه ای بر برنامه نویسی R برای علم داده (Mitalearn-326703)

  • 1 hours 43 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Yan Luo
درباره این دوره:

هنگام کار در زمینه علم داده قطعاً با زبان R و نقشی که در تجزیه و تحلیل داده ایفا می کند آشنا خواهید شد. این دوره شما را با مبانی زبان R مانند انواع داده ها، تکنیک های دستکاری و نحوه اجرای وظایف برنامه نویسی اساسی آشنا می کند. شما فرآیند درک ساختارهای داده رایج، اصول برنامه نویسی و نحوه دستکاری داده ها را با کمک زبان برنامه نویسی R آغاز خواهید کرد. تاکید در این دوره یادگیری عملی و عملی است. شما یک برنامه ساده با استفاده از RStudio می نویسید، داده ها را در یک چارچوب داده یا ماتریس دستکاری می کنید، و یک پروژه نهایی را به عنوان تحلیلگر داده با استفاده از نوت بوک های Watson Studio و Jupyter تکمیل می کنید تا بینش های مبتنی بر داده را به دست آورید و تجزیه و تحلیل کنید. هیچ دانش قبلی در مورد R یا برنامه نویسی مورد نیاز نیست.

coursera مقدمه ای بر برنامه نویسی R و Tidyverse (Mitalearn-328981)

  • 3 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jane Wall
درباره این دوره:

این دوره مقدمه ای ملایم برای برنامه نویسی در R است که برای 3 نوع زبان آموز طراحی شده است. برای شما مناسب خواهد بود، اگر: • می خواهید تجزیه و تحلیل داده ها را انجام دهید اما برنامه نویسی نمی دانید • برنامه نویسی می دانید اما با R آشنا نیستید • شما مقداری برنامه نویسی R را می شناسید اما می خواهید افعال منظم را یاد بگیرید شما یاد خواهید گرفت که تجسم و تجزیه و تحلیل داده ها را به شیوه ای تکرارپذیر انجام دهید و از توابعی استفاده کنید که به کد شما اجازه می دهد به راحتی خوانده و درک شود. شما از RMarkdown برای ایجاد اسناد و گزارش های خوب استفاده خواهید کرد که کد شما را هر بار که اجرا می شود تازه اجرا می کند و افکار شما را در مورد داده ها در طول مسیر به تصویر می کشد. این دوره برای زبان آموزانی با پیشینه های غیر STEM طراحی شده است تا با ارائه مقدمه ای بر برنامه نویسی و زبان R به آنها کمک کند تا برای دوره های پیشرفته تر علم داده آماده شوند. من برای همراهی شما در این سفر هیجان زده هستم! لوگوی دوره با استفاده از تصاویر برچسب های فروشگاه RStudio ایجاد شده است. لطفاً به https://swag.rstudio.com/s/shop مراجعه کنید.

coursera مقدمه ای بر بینایی کامپیوتری و پردازش تصویر (Mitalearn-326550)

  • 2 hours 3 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Aije Egwaikhide,Joseph Santarcangelo
درباره این دوره:

Computer Vision یکی از هیجان انگیزترین زمینه ها در یادگیری ماشینی و هوش مصنوعی است. در بسیاری از صنایع مانند اتومبیل های خودران، روباتیک، واقعیت افزوده و بسیاری موارد دیگر کاربرد دارد. در این دوره آموزشی مبتدی، بینایی کامپیوتر را درک خواهید کرد و با کاربردهای مختلف آن در بسیاری از صنایع آشنا خواهید شد. به عنوان بخشی از این دوره، شما از Python، Pillow و OpenCV برای پردازش اولیه تصویر و انجام طبقه بندی تصویر و تشخیص اشیا استفاده خواهید کرد. این یک دوره عملی است و شامل چندین آزمایشگاه و تمرین است. آزمایشگاه‌ها آزمایشگاه‌های Jupyter و Computer Vision Learning Studio (CV Studio) را که یک ابزار آموزشی رایگان برای بینایی کامپیوتر است، ترکیب می‌کنند. CV Studio به شما امکان آپلود، آموزش و آزمایش مدل‌های تشخیص و طبقه‌بندی تصویر سفارشی خود را می‌دهد. در پایان دوره، برنامه وب بینایی کامپیوتر خود را ایجاد کرده و آن را در Cloud مستقر خواهید کرد. این دوره نیازی به تجربه قبلی در زمینه یادگیری ماشین یا کامپیوتر ندارد. با این حال، دانش کمی از زبان برنامه نویسی پایتون و ریاضی دبیرستان ضروری است.

coursera مقدمه ای بر پایگاه های داده رابطه ای (Mitalearn-328454)

  • 3 hours 46 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Gerald Balekaki,Yousef Elmehdwi
درباره این دوره:

سیستم های مدیریت پایگاه داده بخش مهمی از اکثر صنایع در مقیاس بزرگ و سیستم های منبع باز هستند. این دوره شما را با مفاهیم مهم سیستم های پایگاه داده و طراحی آشنا می کند. ما یاد خواهیم گرفت که پایگاه‌های داده رابطه‌ای چیست، برای چه استفاده می‌شوند، تئوری زیربنایی طراحی آن‌ها، و نحوه پرس‌وجو و تغییر پایگاه داده با استفاده از زبان SQL اعلامی. در پایان دوره، شما قادر خواهید بود: - توضیح دهید که پایگاه داده های رابطه ای چیست و چگونه استفاده می شود. - تسلط بر مدل پایگاه داده رابطه ای. - نشان دادن مهارت در تئوری پایگاه داده رابطه ای رسمی. - مهارت های جامع SQL را نشان دهید. - استفاده از دانش پایگاه داده در مسائل عملی. نرم افزار مورد نیاز: Jupyter Notebooks، SQL

Suggestions